基于散度指标的变工况风电行星齿轮箱故障诊断方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105510023A(43)申请公布日2016.04.20(21)申请号201510831633.1代理人何学军(22)申请日2015.11.24(51)Int.Cl.(2006.01)(71)申请人国网内蒙古东部电力有限公司电力G01M13/02科学研究院地址010000内蒙古自治区呼和浩特市赛罕区鸿博大厦8楼502房间申请人国网内蒙古东部电力节能服务有限公司国家电网公司(72)发明人吴冠宇王方胜滕海刚陈国伟史昌明肖冰王瑞安国军卢博伦陈禹赵海(74)专利代理机构辽宁沈阳国兴知识产权代理有限公司21100权利要求书6页说明书14页附图4页(54)发明名称基于散度指标的变工况风电行星齿轮箱故障诊断方法(57)摘要本发明属于旋转机械故障诊断技术领域，尤其涉及一种基于散度指标的变工况风电行星齿轮箱故障诊断方法，特别适用于变工况风电行星齿轮箱的故障诊断领域。本发明操作步骤如下：根据阶比重采样技术，将变工况风电行星齿轮箱传感器所采集的振动信号进行预处理，将非线性、非平稳的时域信号转化为具有平稳性的角域信号；行星齿轮箱不同于传统定轴齿轮箱，针对其结构特点及诊断的难度，将行星齿轮箱的故障分级进行诊断；提取故障特征集合；故障诊断参数；实验验证。本发明可避免振动信号非平稳的特点，有效清晰的识别故障特征阶比；J-散度和KL-散度均可表征行星齿轮箱故障发生位置及类型；在发生故障时，可相互辅助进行故障诊断，具有较高的灵敏度。CN105510023ACN105510023A权利要求书1/6页1.基于散度指标的变工况风电行星齿轮箱故障诊断方法，其特征是：具体操作步骤如下：(1)根据阶比重采样技术，将变工况风电行星齿轮箱传感器所采集的振动信号进行预处理，将非线性、非平稳的时域信号转化为具有平稳性的角域信号；是基于线性插值方法的非平稳振动时域信号的阶比重构技术，将等时间间隔采样的非平稳振动时域信号转化为具有平稳特性的角域振动信号，保证行星齿轮箱振动角域信号的整周期性；EMD经验模态分解方法根据信号的局部时变特性，自适应的将任意一个复杂信号分解为一系列分量，通过相关系数法则对信号进行重构，剔除原始信号中的干扰成分；(2)行星齿轮箱不同于传统定轴齿轮箱，针对其结构的特点及诊断的难度，将行星齿轮箱的故障分级进行诊断；行星轮系的故障分为两类：分布故障和局部故障；对行星轮系的分布故障和局部故障的特征频率的进行分析计算，形成一个频率集合，并在阶比重采样的技术下，频率转化为阶比，相应的故障特征阶比不会随工况的变化而变化，形成固定的故障特征集合；(3)提取故障特征集合；以行星齿轮箱为研究对象，按齿轮级数把行星齿轮箱分为三级：一级行星轮系、二级行星轮系和平行级；并按故障模式总体分为分布故障和局部故障两类，最终把行星齿轮箱的故障特征集合分为5个子集合，此时把平行级齿轮故障集合归结为一个子集合，由此实现对行星齿轮箱的分级分类诊断；(4)故障诊断参数；由J-散度和KL-散度两个散度值的计算过程可以看出，两个散度值可以计算两个样本之间的差异程度；根据行星齿轮箱在处于正常状态和故障状态时其故障特征阶比所对应的幅值会发生变化，计算步骤(3)中得到的5个子集合中故障特征阶比所对应的幅值之间的散度值变化，即可实现对行星齿轮箱的故障诊断；可以说明散度值可以充分作为行星齿轮箱故障诊断的特征参数；(5)实验验证；以行星齿轮箱处于正常运行状态时的振动数据为正常标准样本，计算不同级数、不同故障模式下的散度指标，通过观察各故障特征集合所对应的散度指标值的变化情况，实现对行星齿轮箱故障模式以及严重程度的识别；即利用J-散度和KL-散度，通过对风电行星齿轮箱处于不同状态下的故障特征集合所对应的幅值进行计算，一次性实现了风电行星齿轮箱故障模式的识别以及故障严重程度的量化，避免故障诊断分析过程中的重复操作；通过对行星齿轮箱不同运行状态下的振动数据按步骤(1)、(3)所述计算散度指标，发现散度指标J-散度和KL-散度可以作为复杂结构行星齿轮箱的故障诊断参数，并最终总结出针对行星齿轮箱的故障诊断流程。2.根据权利要求1所述的基于散度指标的变工况风电行星齿轮箱故障诊断方法，其特征是：根据步骤(1)所述的根据阶比重采样技术，将变工况风电行星齿轮箱传感器所采集的振动信号进行预处理；风电机组行星齿轮箱处于变转速、变工况的工作环境下，其采集的振动信号为非平稳信号，如直接进行频谱分析，很难得到清晰的频谱图，这对齿轮箱的故障诊断产生很大的困难，为了得到清晰正确的频谱图，采用阶比重采样技术对振动信号进行角域重采样，得到的频谱图中的阶比固定不变，便于对振动信号的分析；阶比重采样技术的核心在于获得相对参考轴的恒定角增量采样数据，因此需要能准确获得阶次采样的时